НИР 10 семестр¶
Импорт необходимых библиотек:
In [19]:
import numpy as np
from skimage import data, io
from matplotlib import pyplot as plt
import pandas as pd
from scipy.spatial.distance import pdist
import imageio as iio
In [20]:
%matplotlib inline
Разработка программы для поиска структурных линий изображения¶
Функция для вывода индексов элементов массива в порядке их возрастания¶
Вспомогательная функция. С помощью данной функции будем получать список номеров ячеек, отсортированных в порядке возрастания. Т. е. двигаемся слева направо и сверху вниз, записываем номера ячеек с минимальным значением, затем начинаем сначала и записываем номера ячеек с большими значениями.
In [21]:
# sorted list of values
def sort_by_values(arr):
ncols = arr.shape[1]
nrows = arr.shape[0]
sorted_items = np.argsort(arr, axis = None, kind = 'stable')
arr_ids = []
for i in sorted_items:
arr_ids.append([i//ncols, i-i//ncols*ncols])
return arr_ids
Функция для вывода значений соседних заданному элементов массива¶
Ещё одна вспомогательная функция. С её помощью получаем значения соседних для текущего элемента ячеек.
In [22]:
def neighbours(matrix, rowNumber, colNumber):
result = []
for rowAdd in range(-1, 2):
newRow = rowNumber + rowAdd
if newRow >= 0 and newRow <= matrix.shape[0]-1:
if newRow == rowNumber:
continue
result.append(matrix[newRow][colNumber])
for colAdd in range(-1, 2):
newCol = colNumber + colAdd
if newCol >= 0 and newCol <= matrix.shape[1]-1:
if newCol == colNumber:
continue
result.append(matrix[rowNumber][newCol])
return result
Функция для определения бассейнов и линии водораздела:¶
Основная функция. Алгоритм реализован по описанию комбинированного подхода построения структурных линий изображения (раздел 6 статьи "Структурные линии и критические точки цифровых изображений"):
- Отмечаем первый бассейн с наименьшим значением номером 0;
- Двигаемся по пикселям изображения, отмечая новыми номерами бассейна пиксели с наименьшими значениями если рядом нет бассейна с таким же значением.
- Если есть соседний пиксель с тем же значением, у которого уже есть номер бассейна, то даём текущему пикселю тот же номер бассейна.
- Если пиксель находится между бассейнами, то присваиваем ему номер "-1" и он считается линией водораздела данного изображения.
Функция выводит "карту" изображения с отмеченными бассейнами и линиями водораздела, массив с информацией по каждому бассейну, который может пригодиться для того, чтобы восстановить исходное изображение.
In [23]:
def topo(image, sorted_arr):
image_map = np.full(
shape=image.shape,
fill_value=None)
basin_num = []
basin_num.append(0)
basin_val = []
basin_val.append(image[sorted_arr[0][0]][sorted_arr[0][1]])
basin_coord = []
basin_coord.append(sorted_arr[0])
image_map[sorted_arr[0][0]][sorted_arr[0][1]] = 0
for pixel in sorted_arr[1:]:
if all(neighb_pixel == None for neighb_pixel in neighbours(image_map, pixel[0], pixel[1])):
image_map[pixel[0]][pixel[1]] = max(basin_num)+1
basin_num.append(max(basin_num)+1)
basin_val.append(image[pixel[0]][pixel[1]])
basin_coord.append(pixel)
for pixel in sorted_arr:
if len(set(map(lambda x: x, filter(lambda x: x != None, neighbours(image_map, pixel[0], pixel[1]))))) == 1 and any(image[pixel[0]][pixel[1]] == pixval for pixval in neighbours(image_map, pixel[0], pixel[1])):
image_map[pixel[0]][pixel[1]] = max(x for x in neighbours(image_map, pixel[0], pixel[1] )if x is not None)
for pixel in sorted_arr:
if len(set(map(lambda x: x, filter(lambda x: x != None, neighbours(image_map, pixel[0], pixel[1]))))) > 1:
image_map[pixel[0]][pixel[1]] = -1
for pixel in sorted_arr:
if image_map[pixel[0]][pixel[1]] == None:
image_map[pixel[0]][pixel[1]] = -1
zipped = list(zip(basin_num, basin_val, basin_coord))
df = pd.DataFrame(zipped, columns=['basin_num', 'basin_val', 'basin_coord'])
return image_map, df
Применение на примере¶
Ввод тестового массива значений размера 5х6:
In [24]:
# Test array
arr = np.array([[5,4,3,2,1,0],[0,1,2,3,4,5],[4,3,1,2,5,0], [4,3,2,5,0,1],[0,5,4,3,1,2]])
io.imshow(arr)
plt.show()
print(arr)
Применим функцию topo к тестовому массиву:
In [25]:
rez = topo(arr, sort_by_values(arr))
print(rez)
Построим получившийся рисунок структурных линий для тестового массива:
In [9]:
# Get coordinates of topo lines
lines_coord = np.argwhere(rez[0]==-1)
idx = np.vstack(np.triu_indices(len(lines_coord), k=1)).T
d = pdist(lines_coord)
t = lines_coord[idx[d<=np.sqrt(2)]]
for i in t:
x = [-i[0][0], -i[1][0]]
y = [i[0][1], i[1][1]]
plt.plot(y,x, color='C0')
plt.scatter(lines_coord[:,1], -lines_coord[:,0]) # we have to change coord x and y between each other and reverse y in order to plot it with pyplot
Out[9]:
Начал писать функцию для восстановления исходного изображения, пока только бассейны восстанавливаются.
In [26]:
# Restore image
def restore(topo_output):
topo_image = topo_output[0]
topo_df = topo_output[1]
basin_num = topo_output[1]['basin_num']
basin_val = topo_output[1]['basin_val']
basin_coord = topo_output[1]['basin_coord']
topo_lines = np.argwhere(topo_image[0]==-1)
rest_image = np.full(
shape=topo_image.shape,
fill_value=None)
# Restore basins
for i in topo_df.index:
rest_image[basin_coord.iloc[i][0]][basin_coord.iloc[i][1]] = basin_val.iloc[i]
# Restore topo lines
return print(rest_image)
In [27]:
restore(rez)
На примере реального изображения¶
Загрузка изображения:
In [29]:
# Read image
im = iio.imread('test.jpg')
In [30]:
# Print imported image
io.imshow(im[:,:,0])
plt.show()
In [31]:
img = im[:,:,0]
srt_ind = sort_by_values(img)
In [32]:
test = topo(img, srt_ind)
lines_coord = np.argwhere(test[0]==-1)
plt.figure(figsize=(100,100))
plt.scatter(lines_coord[:,1], -lines_coord[:,0]) # we have to change coord x and y between each other and reverse y in order to plot it with pyplot
Out[32]:
In [33]:
idx = np.vstack(np.triu_indices(len(lines_coord), k=1)).T
d = pdist(lines_coord)
t = lines_coord[idx[d<=np.sqrt(2)]]
In [34]:
plt.figure(figsize=(100,100))
for i in t:
x = [-i[0][0], -i[1][0]]
y = [i[0][1], i[1][1]]
plt.plot(y,x, color='C0')
plt.scatter(lines_coord[:,1], -lines_coord[:,0]) # we have to change coord x and y between each other and reverse y in order to plot it with pyplot
Out[34]:
